Sa2VA 是字节跳动联合加州大学默塞德分校、武汉大学和北京大学共同推出的多模态大语言模型,是 SAM2 和 LLaVA 结合而成,能实现对图像和视频的密集、细粒度理解。
PixVerse V系列包含 PixVerse V1 和 V2,这些模型在生成视频时注重画质和动作流畅性,随着版本迭代,性能有所提升。
Open-Sora 是一个致力于高效生成高质量视频的开源项目。该项目由 Colossal-AI 团队开发,旨在通过开源的方式,简化视频生成的复杂性,并为所有人提供一个创新、创造和包容的平台。
Sora 由 OpenAI 于 2024 年 2 月推出,Sora 模型因其生成逼真视频的能力而受到关注,能够根据简短的文字指令生成长达 60 秒的高清视频。
魔搭 MotionAgent 是由阿里巴巴达摩院旗下魔搭社区(ModelScope)推出的开源一站式视频生成工具,MotionAgent 集成了大语言模型、文本生成图片模型、视频生成模型和音乐生成模型。
FastHunyuan 是一种可以提高 HunyuanVideo 模型推理速度的扩散模型,支持多种视频生成任务。
Show-1 是一种高效的文本到视频生成模型,它结合了像素级和潜变量级的扩散模型,既能生成与文本高度相关的视频,也能以较低的计算资源要求生成高质量的视频。
PixVerse V系列包含 PixVerse V1 和 V2,这些模型在生成视频时注重画质和动作流畅性,随着版本迭代,性能有所提升。